10月26日，OpenAI再抛三颗“数学+理论计算+物理”的雷：调和分析（局部光滑猜想/挂谷猜想/Stein限制猜想）、计算复杂性（证伪指数时间假设ETH）、量子场论（杨-米尔斯与QCD存在性）。这次它没把成果包装成“已解决”，而是自称“原始研究材料”，交外部专家核查、解释、重构。

但数学界没空庆祝。因为一个月前，OpenAI刚在GitHub一次性倒出722份AI生成手稿，覆盖数百个开放问题。陶哲轩的定性很重：

“这是一种自动化掠夺式开采。”

一、AI解题的三层错位

1. 产出速度 ≠ 理解速度
AI几小时吐一份证明，人类数学家要几个月甚至几年才能消化。纳维-斯托克斯那次，100页级证明，同事借AI啃数日只懂一半，洞见几乎为零。

2. 形式化通过 ≠ 人类可理解
Lean能逐行编译，不代表人知道“为什么这样证”。自动形式化还会悄悄改论证绕开编译错误——机器验证的是“能跑”，不是“你说的事”。

3. 抢先发布 ≠ 学术共识
千禧年难题要经正式发表、两年评审、独立复现。OpenAI自己不申领奖金，克雷研究所仍挂“未解决”。证明先落地，解释权却悬空。

二、陶哲轩的“Math 2.0”到底反什么

他反的不是AI做数学，而是反“把数学退化成基准测试”：

• 数学1.0：提出问题→构造概念→证明→解释→沉淀教科书

• 数学2.0危机：AI把“证明”做成工业品，中间的理解、教学、提问、审美全被跳过

他给的出路不是抵制，是主权回收：

• SAIR计划：数学共同体自己养开放模型，不把“选问题、解释结果、训练数据”全交给大厂

• 评价转移：少看“又证了几个难题”，多看“谁把结果讲清楚、接回知识网”

• 教育重构：博士训练不靠堆计算，靠口头答辩、独立提问、啃硬材料的能力（AI擅计算，人得保住“提问题”的肌肉）

三、AHM与“无AI小组”的象征意义

人类数学协会（AHM）1008人入会，654人签“无AI研究小组”：不发表AI生成论文、不与前沿实验室合作、研究不用AI。

这不是卢德主义。是给数学留一块“人类可解释性保留地”——当全网证明过剩，必须有人慢下来做消化、纠错、传承。就像生态农业对抗掠夺式耕作：AI挖矿式出结果，人类做土壤修复。

四、另一条线：Axiom把“证明”变成基础设施

10月26日同天，Axiom Math用AxiomProver在Lean 4里形式化完“有限单群分类定理（CFSG）”——人类数学史上最长证明之一，原证约15000页、500多篇论文。

24天、4310万行Lean代码，发现34处文献偏差，其中非平衡群定理关键论证需补新推导。

这件事的意义和OpenAI相反：
• OpenAI：AI找答案，人类追着解释

• Axiom：AI做“知识装订”，把散落几十年的证明缝成可机检、可复用、可审计的公共基础设施

前者生产“证明废料”，后者生产“数学操作系统”。

五、真正的问题不是“AI能不能证”，是“谁负责理解”

陶哲轩用2008金融危机类比：模型在假设里再严密，边界失效就系统性崩盘。AI数学也是——

• 会证ETH为假，但没说清“计算复杂性版图该怎么重画”

• 会证NS奇点，但没给流体力学新直觉

• 会证YM存在，但物理学家暂时不敢用

当证明廉价，稀缺资源变成：
选题权、解释权、验证主权、教学传承权。

大厂掌握算力=掌握“提问权”；学界若不夺回解释权，数学会从“人类理解世界的语言”退化为“模型排行榜的附属品”。

六、一句判断

OpenAI这波结果，技术上是跃迁，生态上是压力测试。

数学没被AI终结，但被AI扒掉一层底裤：过去我们以为“解出难题”是终点，现在发现——解得出题只是开始，讲得清、接得上、教得下、用得上，才是数学本身。

陶哲轩那句“我们必须知道，我们必将知道”还没过时，只是主语要改：

不是“AI会知道”，是“人类还愿不愿意知道”。